1. Tổng quan
API Chuyển văn bản sang lời nói của Google Cloud cho phép nhà phát triển đưa lời nói nhân tạo nghe tự nhiên vào ứng dụng của họ dưới dạng âm thanh có thể phát. API Chuyển văn bản sang lời nói chuyển đổi văn bản hoặc dữ liệu đầu vào Ngôn ngữ đánh dấu tổng hợp lời nói (SSML) thành dữ liệu âm thanh như MP3 hoặc LINEAR16 (phương thức mã hoá được dùng trong tệp WAV).
Trong lớp học lập trình này, bạn sẽ tập trung vào việc sử dụng API Chuyển văn bản sang lời nói với Node.js. Bạn sẽ tìm hiểu cách liệt kê các giọng nói hiện có và tổng hợp âm thanh từ văn bản.
Kiến thức bạn sẽ học được
- Cách sử dụng Cloud Shell
- Cách bật API Chuyển văn bản sang lời nói
- Cách xác thực các yêu cầu API
- Cách cài đặt thư viện ứng dụng Google Cloud cho Node.js
- Cách liệt kê các giọng nói có sẵn
- Cách tổng hợp âm thanh từ văn bản
Bạn cần có
- Một dự án trên Google Cloud Platform
- Một trình duyệt, chẳng hạn như Chrome hoặc Firefox
- Làm quen với cách sử dụng Node.js
Bản khảo sát
Bạn sẽ sử dụng hướng dẫn này như thế nào?
Bạn đánh giá thế nào về trải nghiệm của mình với Node.js?
Bạn đánh giá thế nào về trải nghiệm sử dụng các dịch vụ của Google Cloud Platform?
2. Thiết lập và yêu cầu
Thiết lập môi trường theo tốc độ của riêng bạn
- Đăng nhập vào Cloud Console rồi tạo một dự án mới hoặc sử dụng lại một dự án hiện có. (Nếu chưa có tài khoản Gmail hoặc G Suite, bạn phải tạo một tài khoản.)
Hãy nhớ mã dự án, một tên duy nhất trên tất cả các dự án trên Google Cloud (tên ở trên đã được sử dụng và sẽ không hoạt động đối với bạn, xin lỗi!). Sau này trong lớp học lập trình này, chúng ta sẽ gọi nó là PROJECT_ID.
- Tiếp theo, bạn cần bật tính năng thanh toán trong Cloud Console để sử dụng các tài nguyên của Google Cloud.
Việc thực hiện lớp học lập trình này sẽ không tốn nhiều chi phí, nếu có. Hãy nhớ làm theo mọi hướng dẫn trong phần "Dọn dẹp" để biết cách tắt các tài nguyên nhằm tránh bị tính phí ngoài phạm vi hướng dẫn này. Người dùng mới của Google Cloud đủ điều kiện tham gia chương trình Dùng thử miễn phí trị giá 300 USD.
Khởi động Cloud Shell
Mặc dù có thể vận hành Google Cloud từ xa trên máy tính xách tay, nhưng trong lớp học lập trình này, bạn sẽ sử dụng Google Cloud Shell, một môi trường dòng lệnh chạy trên Cloud.
Kích hoạt Cloud Shell
- Trong Cloud Console, hãy nhấp vào Kích hoạt Cloud Shell
.
Nếu chưa từng khởi động Cloud Shell, bạn sẽ thấy một màn hình trung gian (bên dưới phần hiển thị đầu tiên) mô tả về Cloud Shell. Nếu vậy, hãy nhấp vào Tiếp tục (và bạn sẽ không bao giờ thấy màn hình này nữa). Sau đây là giao diện của màn hình xuất hiện một lần:
Quá trình cung cấp và kết nối với Cloud Shell chỉ mất vài giây.
Máy ảo này được trang bị tất cả các công cụ phát triển mà bạn cần. Nền tảng này cung cấp một thư mục chính có dung lượng 5 GB và chạy trong Google Cloud, giúp tăng cường đáng kể hiệu suất mạng và hoạt động xác thực. Bạn có thể thực hiện hầu hết, nếu không muốn nói là tất cả, công việc trong lớp học lập trình này chỉ bằng một trình duyệt hoặc Chromebook.
Sau khi kết nối với Cloud Shell, bạn sẽ thấy rằng mình đã được xác thực và dự án đã được đặt thành mã dự án của bạn.
- Chạy lệnh sau trong Cloud Shell để xác nhận rằng bạn đã được xác thực:
gcloud auth list
Đầu ra của lệnh
Credentialed Accounts
ACTIVE ACCOUNT
* <my_account>@<my_domain.com>
To set the active account, run:
$ gcloud config set account `ACCOUNT`
gcloud config list project
Đầu ra của lệnh
[core] project = <PROJECT_ID>
Nếu không, bạn có thể đặt nó bằng lệnh sau:
gcloud config set project <PROJECT_ID>
Đầu ra của lệnh
Updated property [core/project].
3. Bật Text-to-Speech API
Bạn phải bật Text-to-Speech API trước khi có thể bắt đầu sử dụng API này. Bạn có thể bật API bằng cách sử dụng lệnh sau trong Cloud Shell:
gcloud services enable texttospeech.googleapis.com
4. Xác thực các yêu cầu API
Để đưa ra yêu cầu cho Text-to-Speech API, bạn cần sử dụng Tài khoản dịch vụ. Tài khoản dịch vụ thuộc về dự án của bạn và được thư viện Google Client Node.js dùng để đưa ra các yêu cầu về Text-to-Speech API. Giống như mọi tài khoản người dùng khác, tài khoản dịch vụ được biểu thị bằng một địa chỉ email. Trong phần này, bạn sẽ sử dụng Cloud SDK để tạo một tài khoản dịch vụ, sau đó tạo thông tin đăng nhập mà bạn cần để xác thực dưới dạng tài khoản dịch vụ.
Trước tiên, hãy đặt một biến môi trường bằng GOOGLE_CLOUD_PROJECT mà bạn sẽ dùng trong suốt lớp học lập trình này:
export GOOGLE_CLOUD_PROJECT=$(gcloud config get-value core/project)
Tiếp theo, hãy tạo một tài khoản dịch vụ mới để truy cập vào API Chuyển văn bản sang lời nói bằng cách sử dụng:
gcloud iam service-accounts create my-text-to-speech-sa \
--display-name "my text-to-speech codelab service account"
Tiếp theo, hãy tạo thông tin đăng nhập mà mã Node.js sẽ dùng để đăng nhập dưới dạng tài khoản dịch vụ mới. Tạo thông tin đăng nhập này và lưu dưới dạng tệp JSON "~/key.json" bằng lệnh sau:
gcloud iam service-accounts keys create ~/key.json \
--iam-account my-text-to-speech-sa@${GOOGLE_CLOUD_PROJECT}.iam.gserviceaccount.com
Cuối cùng, hãy đặt biến môi trường GOOGLE_APPLICATION_CREDENTIALS. Thư viện Node.js của Text-to-Speech API (được đề cập trong bước tiếp theo) sẽ dùng biến này để tìm thông tin đăng nhập của bạn. Bạn nên đặt biến môi trường thành đường dẫn đầy đủ của tệp JSON chứa thông tin đăng nhập mà bạn đã tạo bằng cách sử dụng:
export GOOGLE_APPLICATION_CREDENTIALS="/home/${USER}/key.json"
5. Cài đặt thư viện ứng dụng Google Cloud Text-to-Speech API cho Node.js
Trước tiên, hãy tạo một dự án mà bạn sẽ dùng để chạy phòng thí nghiệm Text-to-Speech API này, khởi động một gói Node.js mới trong thư mục mà bạn chọn:
npm init
NPM sẽ hỏi một số câu hỏi về cấu hình dự án, chẳng hạn như tên và phiên bản. Đối với mỗi câu hỏi, hãy nhấn ENTER để chấp nhận các giá trị mặc định. Điểm truy cập mặc định là một tệp có tên index.js.
Tiếp theo, hãy cài đặt thư viện Google Cloud Speech vào dự án:
npm install --save @google-cloud/text-to-speech
Để biết thêm hướng dẫn về cách thiết lập môi trường phát triển Node.js cho Google Cloud, vui lòng xem Hướng dẫn thiết lập.
Giờ đây, bạn đã sẵn sàng sử dụng Text-to-Speech API!
6. Liệt kê các giọng nói có sẵn
Trong phần này, trước tiên, bạn sẽ liệt kê tất cả các giọng nói có sẵn bằng tiếng Anh để tổng hợp âm thanh.
Chuyển đến tệp index.js bên trong rồi thay thế mã bằng đoạn mã sau:
'use strict';
/**
* Lists available voices for the specified language.
*
* @param {string} languageCode - The language code.
*/
async function listVoices(languageCode) {
const textToSpeech = require('@google-cloud/text-to-speech');
const client = new textToSpeech.TextToSpeechClient();
const [result] = await client.listVoices({languageCode});
const voices = result.voices;
voices.forEach((voice) => {
console.log(`${voice.name} (${voice.ssmlGender}): ${voice.languageCodes}`);
});
}
listVoices('en');
Dành một hoặc hai phút để nghiên cứu mã này. Chạy ứng dụng:
node .
Bạn sẽ thấy kết quả sau đây:
en-US-Standard-A (MALE): en-US
en-US-Standard-B (MALE): en-US
en-US-Standard-C (FEMALE): en-US
en-US-Standard-D (MALE): en-US
en-US-Standard-E (FEMALE): en-US
en-US-Standard-F (FEMALE): en-US
...
7. Tổng hợp âm thanh từ văn bản
Bạn có thể sử dụng Text-to-Speech API để chuyển đổi một chuỗi thành dữ liệu âm thanh. Bạn có thể định cấu hình đầu ra của tính năng tổng hợp lời nói theo nhiều cách, bao gồm cả việc chọn một giọng nói riêng hoặc điều chỉnh đầu ra về cao độ, âm lượng, tốc độ nói và tốc độ lấy mẫu.
Chuyển đến tệp index.js bên trong rồi thêm đoạn mã sau:
/**
* Sythesizes sample text into an .mp3 file.
*/
async function synthesize() {
const textToSpeech = require('@google-cloud/text-to-speech');
const fs = require('fs');
const util = require('util');
const client = new textToSpeech.TextToSpeechClient();
const text = 'This is a demonstration of the Google Cloud Text-to-Speech API';
const request = {
input: {text: text},
voice: {languageCode: 'en-US', ssmlGender: 'NEUTRAL'},
audioConfig: {audioEncoding: 'MP3'},
};
const [response] = await client.synthesizeSpeech(request);
// Write the binary audio content to a local file
const writeFile = util.promisify(fs.writeFile);
await writeFile('output.mp3', response.audioContent, 'binary');
console.log('Audio content written to file: output.mp3');
}
synthesize();
Dành một hoặc hai phút để nghiên cứu đoạn mã và xem cách đoạn mã này được dùng để tạo một tệp âm thanh từ văn bản.
node .
Bạn sẽ thấy kết quả sau đây:
Audio content written to file "output.mp3"
8. Xin chúc mừng!
Bạn đã tìm hiểu cách sử dụng Text-to-Speech API bằng Node.js để thực hiện nhiều loại bản chép lời trên các tệp âm thanh!
Dọn dẹp
Để tránh bị tính phí cho tài khoản Google Cloud Platform đối với các tài nguyên được dùng trong hướng dẫn bắt đầu nhanh này, hãy làm như sau:
- Truy cập vào Cloud Platform Console.
- Chọn dự án mà bạn muốn tắt, sau đó nhấp vào "Xoá" ở trên cùng: thao tác này sẽ lên lịch xoá dự án.
Tìm hiểu thêm
- Google Cloud Text-to-Speech API: https://cloud.google.com/text-to-speech/docs
- Node.js trên Google Cloud Platform: https://cloud.google.com/nodejs/
- Ứng dụng Google Cloud Node.js: https://googlecloudplatform.github.io/google-cloud-node/
Giấy phép
Tác phẩm này được cấp phép theo giấy phép Ghi công theo Creative Commons 2.0 Chung.